【发布时间】：2019-05-04 06:11:55
【问题描述】：
我想检查如果我只操纵数据集的大小，贝叶斯网络的行为会如何。
由于我仍在考虑数据生成器（找不到合适的文章），因此我决定将我拥有的数据进行倍增。我想如果我只复制它，它不会改变分类结果 - 只是模型创建时间。
我对 2 个数据集进行了测试：
data1：70 个实例，8 个属性，是/否分类
data2：768个实例，206个属性，1-6个类型分类
原始集的计算时间结果在 0-0.01 秒之间，所以我不能从中得到太多。有趣的数字是在我将数据相乘之后得出的。
测试方法是10折交叉验证。 一切都在 Weka 完成。
.
格式：
Number_of_instances : model_creation_time : %Correctly_Clasified_instances
数据1，朴素贝叶斯：
768 : 0s : 76.3021%
7680 : 0.01s : 76.2891%
76800 : 0.11s : 76.2708%
768000 : 1.39s : 76.3021%
Data1，正态贝叶斯：
768 : 0.02s : 74.349%
7680 : 0.08s : 85.7943%
76800 : 1.43s : 97.8659%
768000：26.18 秒：97.824%
Data2，朴素贝叶斯：
70 : 0s : 82.8571%
700 : 0s : 92%
7000: 0.02s : 94.2857%
70000 : 0.21 秒 : 94.2857%
Data2，普通贝叶斯：
70 : 0.01s : 82.8571%
700 : 0.01s : 93.2857%
7000 : 0.11s : 94.2857%
70000 : 2.63s : 94.2857%
所有情况下的计算时间都增加了（普通贝叶斯需要更多时间 - 但在具有更多属性的 data2 中，它的增长速度要慢得多）。
正确分类的实例仅在 data1 中的正常贝叶斯中高度提升（8 个属性）。
虽然在 data2（206 个属性）上，两种方法的分类都有很大改进。
数据重复如何帮助分类？我做错了什么还是那些是某种虚假的结果？可以解释吗？
【问题讨论】：
标签： machine-learning weka bayesian-networks